数字化转型这个话题被谈论了许多年，经过几年的探索和实践，有的企业在过程中取得了一些成效，也有的企业，仍走在学习和尝试的路上。
过去的几年，无论选择了什么路径，能看到的是，各行各业不同的企业都在尝试寻找适合自己的道路、方法和策略，这其中，有成功的经验，也有失败的教训。
可以说，数字化转型已经进入深水区。
基于观察和经验，本文总结了几个数字化转型进入深水区的趋势。
许多企业的数字化转型始于企业战略和商业模式的转型和重构，市面上很多关于数字化转型的书籍和理论也花了大量的篇幅讲企业战略、业务目标、商业模式，大部分数字化转型起步早的企业，无论是企业自己产出的，还是集结了第三方咨询公司的输入，都曾经有一本转型指引或者“宝典”，那是转型之初制定的战略、目标和规划。
转型对于企业来讲是系统化的工程，所以，重视规划和蓝图是第一步要做的事情，事实也证明，很多企业之所以取得成效，是在践行规划里要做的事情，一步步推进，在推进中调整，所以才有了适合企业自身的数字化转型心得和经验。
近几年来，随着数据和人工智能技术的发展，数据智能类的软件项目也渐渐多起来，为了让新技术更好应用于项目，也为了让具备新技术使用能力的各种专家角色能够更好的协作，达成项目目标，给业务方甚至整个组织带来价值，数据和智能项目的项目管理变得越来越重要。
在过去的几年里，我作为数据服务项目的提供方，管理过多个规模不同的数据智能项目，此文是对自己管理经验的总结。
数据智能项目有多种分类，每种类型的管理方式各不一样，基于经验，按照不同的维度，可以把数据项目分为四类，这几种维度是，验证想法还是落地执行，专注智能技术还是专注组织赋能。
近几年，随着数据和人工智能越来越受关注，数据与人工智能项目（统称数据项目）也遍地开花，和传统应用类项目相比，数据项目有其自身的特点和挑战，本文就来盘一下这些挑战。
如今，许多企业追求数据驱动，要做到真正的数据驱动，仅仅靠积累数据是远远不够的，在此之上，还要对数据进行有效的处理、分类和解读，从数据中获得信息，从信息中积累知识。
也就是说，从数据到知识，还有很多工作需要做的，比如，对数据进行探查和了解，对数据进行挖掘和分析，形成洞见和知识，从而指导决策和行动，也因此，数据便成为了一种生产力。
如何推动数据成为生产力，企业通常会通过一系列的数据项目来实现。